Google hat mit Gemini 4 Argon sein neues Flaggschiffmodell vorgestellt.
In mehreren von Google veröffentlichten Benchmarks liegt Argon vor aktuellen Modellen von OpenAI und Anthropic – vor allem bei komplexer Wissensarbeit, langen Kontexten und einigen multimodalen Aufgaben.
Die Aussage, Argon sei den Konkurrenten generell deutlich überlegen, hält einer genaueren Betrachtung allerdings nicht stand.
Quellen:
https://www.ft.com/content/46194a0b-a0e4-42cc-ad40-0df753492768
🔎 Was kann Argon?
Google positioniert Gemini 4 Argon vor allem für komplexe, länger laufende Aufgaben in Bereichen wie:
Unternehmenswissen, Recht und Finanzen, Softwareentwicklung, Wissenschaft und Cybersecurity.
Besonders auffällig ist das größere Kontextfenster.
Bei einem Google-Test für lange Kontexte mit 256.000 bis einer Million Tokens erreichte Argon 84,2 Prozent, gegenüber 71,8 Prozent bei GPT-6 Astra und rund 66 Prozent bei Claude Opus 5.5.
Auch bei mehreren Wissensarbeits-Benchmarks liegt Argon deutlich vorne.
⚖️ Aber ist Argon wirklich „viel stärker“ als OpenAI und Anthropic?
Nicht allgemein.
Bei FrontierSWE v2, einem Coding-Agenten-Test, erreicht:
GPT-6 Astra: 65,5 %
Claude Opus 5.5: 62,3 %
Gemini 4 Argon: 55,0 %
Bei Terminal-Bench 4.0 liegt Claude Opus 5.5 ebenfalls deutlich vor Argon.
Und beim Cybersecurity-Test CWE-bench liegen Argon und GPT-6 Astra beide bei 68 Prozent.
Das Bild ist deshalb eher:
Argon gehört klar zur Spitzengruppe – aber je nach Aufgabe gewinnt ein anderes Modell.
Hinzu kommt, dass Google viele der veröffentlichten Vergleiche selbst zusammengestellt hat. Unabhängige Praxistests stehen noch aus, weil Argon bislang nicht breit öffentlich verfügbar ist.
🛡️ Warum wird Argon noch nicht allgemein freigegeben?
Google gibt das Modell zunächst nur ausgewählten Unternehmen, Behörden und Sicherheitspartnern.
Besonders die Cyberfähigkeiten sollen vor einer breiteren Veröffentlichung weiter untersucht werden.
Ein allgemeines Veröffentlichungsdatum gibt es bislang nicht.
💡 Warum ist das interessant?
Der eigentliche Fortschritt könnte weniger darin liegen, dass ein Modell plötzlich „alles besser“ kann.
Stattdessen entstehen zunehmend unterschiedliche Profile:
Ein Modell ist besser beim Coding, ein anderes bei langer Dokumentarbeit, ein weiteres bei Computersteuerung.
Der Wettbewerb zwischen Google, OpenAI und Anthropic wird damit weniger zu einer einzigen Rangliste – und mehr zu einer Frage:
Welches Modell ist für welche Aufgabe am besten geeignet?